【摘要】：森林火災(zāi)是一種破壞性極強(qiáng)的自然災(zāi)害,它不僅對生態(tài)系統(tǒng)造成不可逆的破壞,同時(shí)威脅著國家和人民的生命財(cái)產(chǎn)安全。我國是一個林火多發(fā)的國家,黑龍江省作為我國重要的林業(yè)大省,也是森林火災(zāi)的高發(fā)區(qū),做好該地區(qū)的森林防火工作具有重要意義。本文基于ArcGIS10.2、SPSS19.0以及R軟件,應(yīng)用邏輯斯蒂回歸模型和隨機(jī)森林算法,用邏輯斯蒂模型識別顯著變量,用隨機(jī)森林算法對變量相對重要性進(jìn)行排序,分別分析了黑龍江省林火發(fā)生與氣象類因子、非氣象類因子和綜合因子之間的關(guān)系并建立預(yù)測模型,基于林火發(fā)生預(yù)測概率對黑龍江省進(jìn)行森林火險(xiǎn)等級區(qū)劃,研究結(jié)果為當(dāng)?shù)厣只馂?zāi)的預(yù)測預(yù)報(bào)工作提供了科學(xué)依據(jù)和理論參考。研究結(jié)果表明,氣象類因子是影響黑龍江省林火發(fā)生的重要因子。對氣象類因子進(jìn)行回歸分析得到的結(jié)果顯示:邏輯斯蒂回歸模型識別的顯著氣象因子包括“日最高地表氣溫”、“日最低地表氣溫”、.“24小時(shí)累計(jì)降水量”、“日平均本站氣壓”、“日最低本站氣壓”、“日照時(shí)數(shù)”、“日最高氣溫”、“日平均相對濕度”共8個變量。隨機(jī)森林算法識別的重要?dú)庀笠蜃影ā叭兆罡叩乇須鉁亍薄ⅰ叭兆畹偷乇須鉁亍�、“日平均本站氣壓”、“日最高本站氣壓”、“日最低本站氣壓”、“日平均相對濕度”、“日照時(shí)數(shù)”和“日最高氣溫”共8個變量。隨機(jī)森林變量重要性排序結(jié)果顯示,“日平均相對濕度”是最重要的驅(qū)動因子,“日最低地表氣溫”和“日最高氣溫”的影響次之,影響最小的變量是“日最低本站氣壓”。與氣象因子相比,非氣象因子對黑龍江省林火發(fā)生的影響較小。對非氣象類因子進(jìn)行回歸分析得到的結(jié)果顯示:邏輯斯蒂回歸模型識別的顯著非氣象因子包括“植被覆蓋度”、“坡度”、“距離居民點(diǎn)距離”、“距離鐵路距離”、“距離公路距離”、“人均GDP”、“人口密度”共7個變量。隨機(jī)森林算法識別的重要非氣象因子包括“高程”、“距離鐵路距離”、“距離居民點(diǎn)距離”、“距離公路距離”、“植被覆蓋度”、“人均GDP”、“人口密度”和“坡度”共8個變量。隨機(jī)森林變量重要性排序結(jié)果顯示,“植被覆蓋度”是最重要的驅(qū)動因子,“高程”和“人均GDP”的影響次之,影響最小的變量是“坡度”。對綜合因子進(jìn)行回歸分析得到的結(jié)果顯示:邏輯斯蒂回歸模型中的15個驅(qū)動因子均在a=0.05水平上顯著,其中“植被覆蓋度”、“坡度”、“距離鐵路距離”、“距離公路距離”、“人均GDP”、“人口密度”、“日最高地表氣溫”、“日平均本站氣壓”、“日照時(shí)數(shù)”、“日最高氣溫”與林火發(fā)生呈正相關(guān),“距離居民點(diǎn)距離”、“日最低地表氣溫”、“24小時(shí)累計(jì)降水量”、“日最低本站氣壓”、“日平均相對濕度”與林火發(fā)生呈負(fù)相關(guān)。隨機(jī)森林算法擬合的16個驅(qū)動因子中,“日平均相對濕度”的重要性排在第一位,緊隨其后的是“高程”、“植被覆蓋度”和“日最高氣溫”,重要性最低的是“坡度”。同時(shí),氣象類因子和非氣象類因子的重要性是相間分布的。通過受試者工作特征曲線、AUC值和模型的預(yù)測正確率對兩種模型進(jìn)行評價(jià),在氣象類因子分析中,RF的AUC值(0.963~0.966)高于LR的AUC值(0.837～0.839),RF的預(yù)測正確率(90.9%~92%)高于LR的預(yù)測正確率(75.5%~75.9%);在非氣象類因子分析中,RF的AUC值(0.871~0.876)高于LR的AUC值(0.685~0.688),RF的預(yù)測正確率(78.4%~79%)高于LR的預(yù)測正確率(62.9%~64.5%);在綜合因子分析中,RF的AUC值(0.969~0.973)高于LR的AUC值(0.853~0.855),RF的預(yù)測正確率(90.4%~91.2%)高于LR的預(yù)測正確率(76.7%~77.3%)。綜合來看,除LR非氣象因子分析的AUC值外,其他模型的AUC值均高于0.8。說明邏輯斯蒂模型不能獨(dú)立解釋非氣象類因子與黑龍江省林火發(fā)生之間的關(guān)系,除此之外的其余模型的擬合效果較好,但相比之下隨機(jī)森林算法的擬合效果和預(yù)測精度要更優(yōu)于邏輯斯蒂模型,更適合黑龍江省林火的預(yù)測。林火預(yù)測概率圖和火險(xiǎn)區(qū)劃圖顯示:黑龍江省高火險(xiǎn)區(qū)面積占全省總面積的19%,主要分布在大興安嶺、佳木斯、雙鴨山以及黑河大部分地區(qū),防火策略和管理計(jì)劃應(yīng)以火險(xiǎn)區(qū)為基礎(chǔ),加強(qiáng)高火險(xiǎn)區(qū)的林火管理工作,同時(shí)兼顧林區(qū)內(nèi)其他中、低火險(xiǎn)地區(qū)。 【學(xué)位授予單位】：東北林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：S762

【圖文】：

圖１研宄區(qū)域位置圖逡逑２．１．１地貌特征逡逑黑龍江省的地勢特征為東北部、西南部地勢較低，西北部、北部和南部地勢較高；逡逑主要山脈有東北一西南走向的大興安嶺山地、西北一東南走向的小興安嶺山地、東北一逡逑

嫩江、孫吳、北安、克山、富裕、齊齊哈爾、海倫、明水、伊春、鶴崗、富錦、泰來、逡逑綏化、安達(dá)、鐵力、佳木斯、依蘭、寶清、肇州、哈爾濱、通河、尚志、雞西、虎林、逡逑牡丹江和綏芬河共３１個氣象站，，氣象站的編號、坐標(biāo)以及空間分布分別見表２和圖２。逡逑每日氣象數(shù)據(jù)中包括了空氣濕度、空氣溫度、蒸發(fā)量等共２２個氣象因子，首先對氣象逡逑數(shù)據(jù)進(jìn)行了篩選，把由于儀器設(shè)備損壞造成的不完整數(shù)據(jù)進(jìn)行了剔除，剩余的氣象因子逡逑包括日平均地表氣溫（°Ｃ），日最高地表氣溫（°0，日最低地表氣溫（°0，日平均風(fēng)速逡逑（ｎｖｓ＿１），２４小時(shí)累計(jì)降水量（ｍｍ），日平均本站氣壓（ｈＰａ），日最高本站氣壓逡逑（ｈＰａ），日最低本站氣壓（ｈＰａ），日照時(shí)數(shù)（ｈ），日平均氣溫（°Ｃ），日最高氣溫（°0，逡逑日最低氣溫（°Ｃ），日平均相對濕度（％）共１３個氣象因子。逡逑－９－逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭福濤;蘇漳文;馬祥慶;宋禹輝;孫龍;胡海清;楊婷婷;;大興安嶺塔河地區(qū)雷擊火發(fā)生驅(qū)動因子綜合分析[J];生態(tài)學(xué)報(bào);2015年19期

2 甘薇薇;劉博;詹兆渝;尹波;;四川省春季林火氣候模型的建立[J];高原山地氣象研究;2014年02期

3 吳鋒;;國家林業(yè)局公布第八次全國森林資源清查結(jié)果[J];中國林業(yè);2014年05期

4 秦凱倫;郭福濤;邸雪穎;孫龍;宋禹輝;吳瑤;潘建峰;;大興安嶺塔河地區(qū)林火發(fā)生的優(yōu)勢預(yù)測模型選擇[J];應(yīng)用生態(tài)學(xué)報(bào);2014年03期

5 朱雷;秦富倉;蘇江;;基于ArcGIS9.3的等高線生成DEM及坡度坡向分析[J];內(nèi)蒙古林業(yè)調(diào)查設(shè)計(jì);2014年02期

6 李欣海;;隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[J];應(yīng)用昆蟲學(xué)報(bào);2013年04期

7 張正祥;張洪巖;李冬雪;許嘉巍;周道瑋;;呼倫貝爾草原人為火空間分布格局[J];生態(tài)學(xué)報(bào);2013年07期

8 曾偉;劉祥鳳;楊龍光;;森林火險(xiǎn)預(yù)報(bào)研究進(jìn)展[J];中國林副特產(chǎn);2013年01期

9 李清慧;;淺析如何有效保護(hù)森林資源[J];林區(qū)教學(xué);2013年01期

10 李鳳麗;;論森林對保護(hù)生態(tài)環(huán)境的作用[J];民營科技;2012年07期

相關(guān)博士學(xué)位論文 前1條

1 郭福濤;基于空間分析和模型理論的大興安嶺地區(qū)林火分布與預(yù)測模型研究[D];東北林業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前1條

1 劉峰;基于GIS和RS的森林火險(xiǎn)預(yù)測模式研究[D];中南林學(xué)院;2004年

本文編號：2712108